python - 如何使用 NEAT（增强拓扑的神经进化）进化 LSTM 模型？

Question

对于 LSTM 模型或任何 NN，没有关于模型应该有多少神经元/层的规则，通常你必须努力完善这些参数。但是我想知道是否有一种方法可以让 NEAT（增强拓扑的神经进化）之类的东西使模型的进化发生，并为每一代模型决定更好的架构。

NEAT-Python 包是：https ://pypi.org/project/neat-python/

所以我有两个具体问题：

1. 是否可以使用 NEAT 优化 LSTM 模型的架构？（基于将通过预测功能手动提供给 NEAT 的预测准确性）
2. 是否可以仅将 NEAT 用于股票预测等时间序列问题？如果是这样，与 LSTM 相比，它的效率如何？

标签： pythontensorflowkerasdeep-learninglstm